Buchumschlag

Where Code Meets Natural Language: Taxonomy-Driven Information Flow Analysis for LLM-Integrated Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Zihao, Cheng, Xiao, Meng, Ruijie, Li, Yuekang
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CrossPL: Evaluating Large Language Models on Cross Programming Language Code Generation
von: Xiong, Zhanhang, et al.
Veröffentlicht: (2025)

CodeCrash: Exposing LLM Fragility to Misleading Natural Language in Code Reasoning
von: Lam, Man Ho, et al.
Veröffentlicht: (2025)

AutoIOT: LLM-Driven Automated Natural Language Programming for AIoT Applications
von: Shen, Leming, et al.
Veröffentlicht: (2025)

AI-Generated Smells: An Analysis of Code and Architecture in LLM and Agent-Driven Development
von: Zhu, Yuecai, et al.
Veröffentlicht: (2026)

CodeMMR: Bridging Natural Language, Code, and Image for Unified Retrieval
von: Geng, Jiahui, et al.
Veröffentlicht: (2026)

Semantic Caching and Intent-Driven Context Optimization for Multi-Agent Natural Language to Code Systems
von: Singh, Harmohit
Veröffentlicht: (2026)

Generating Energy-Efficient Code via Large-Language Models -- Where are we now?
von: Apsan, Radu, et al.
Veröffentlicht: (2025)

Revisiting the Role of Natural Language Code Comments in Code Translation
von: Gupta, Monika, et al.
Veröffentlicht: (2026)

Large Language Model-Driven Code Compliance Checking in Building Information Modeling
von: Madireddy, Soumya, et al.
Veröffentlicht: (2025)

CLAP: Learning Transferable Binary Code Representations with Natural Language Supervision
von: Wang, Hao, et al.
Veröffentlicht: (2024)

From PowerPoint UI Sketches to Web-Based Applications: Pattern-Driven Code Generation for GIS Dashboard Development Using Knowledge-Augmented LLMs, Context-Aware Visual Prompting, and the React Framework
von: Xu, Haowen, et al.
Veröffentlicht: (2025)

Hallucination by Code Generation LLMs: Taxonomy, Benchmarks, Mitigation, and Challenges
von: Lee, Yunseo, et al.
Veröffentlicht: (2025)

Issue Localization via LLM-Driven Iterative Code Graph Searching
von: Jiang, Zhonghao, et al.
Veröffentlicht: (2025)

QLPro: Automated Code Vulnerability Discovery via LLM and Static Code Analysis Integration
von: Hu, Junze, et al.
Veröffentlicht: (2025)

Neuron-Guided Interpretation of Code LLMs: Where, Why, and How?
von: Yin, Zhe, et al.
Veröffentlicht: (2025)

Uncovering Intention through LLM-Driven Code Snippet Description Generation
von: Nugroho, Yusuf Sulistyo, et al.
Veröffentlicht: (2025)

EvoCodeBench: A Human-Performance Benchmark for Self-Evolving LLM-Driven Coding Systems
von: Zhang, Wentao, et al.
Veröffentlicht: (2026)

Uncertainty Quantification for LLM-based Code Generation
von: Xu, Senrong, et al.
Veröffentlicht: (2026)

When AI Teammates Meet Code Review: Collaboration Signals Shaping the Integration of Agent-Authored Pull Requests
von: Nachuma, Costain, et al.
Veröffentlicht: (2026)

Enhancing LLM-Based Coding Tools through Native Integration of IDE-Derived Static Context
von: Li, Yichen, et al.
Veröffentlicht: (2024)

Tests as Prompt: A Test-Driven-Development Benchmark for LLM Code Generation
von: Cui, Yi
Veröffentlicht: (2025)

LLM-Empowered Event-Chain Driven Code Generation for ADAS in SDV systems
von: Petrovic, Nenad, et al.
Veröffentlicht: (2025)

Flow2Code: Evaluating Large Language Models for Flowchart-based Code Generation Capability
von: He, Mengliang, et al.
Veröffentlicht: (2025)

Prompt Injection attack against LLM-integrated Applications
von: Liu, Yi, et al.
Veröffentlicht: (2023)

Code Copycat Conundrum: Demystifying Repetition in LLM-based Code Generation
von: Liu, Mingwei, et al.
Veröffentlicht: (2025)

Enhancing LLM-Based Code Generation with Complexity Metrics: A Feedback-Driven Approach
von: Sepidband, Melika, et al.
Veröffentlicht: (2025)

AI2Apps: A Visual IDE for Building LLM-based AI Agent Applications
von: Pang, Xin, et al.
Veröffentlicht: (2024)

A Taxonomy of Architecture Options for Foundation Model-based Agents: Analysis and Decision Model
von: Zhou, Jingwen, et al.
Veröffentlicht: (2024)

LLM-based Automated Architecture View Generation: Where Are We Now?
von: Sathvika, Miryala, et al.
Veröffentlicht: (2026)

Hallucinations in Code Change to Natural Language Generation: Prevalence and Evaluation of Detection Metrics
von: Liu, Chunhua, et al.
Veröffentlicht: (2025)

Uncovering Systematic Failures of LLMs in Verifying Code Against Natural Language Specifications
von: Jin, Haolin, et al.
Veröffentlicht: (2025)

Devstral: Fine-tuning Language Models for Coding Agent Applications
von: Rastogi, Abhinav, et al.
Veröffentlicht: (2025)

When Prompt Engineering Meets Software Engineering: CNL-P as Natural and Robust "APIs'' for Human-AI Interaction
von: Xing, Zhenchang, et al.
Veröffentlicht: (2025)

From Natural Language to Verified Code: Toward AI Assisted Problem-to-Code Generation with Dafny-Based Formal Verification
von: Erfan, Md, et al.
Veröffentlicht: (2026)

CodeVision: Detecting LLM-Generated Code Using 2D Token Probability Maps and Vision Models
von: Xu, Zhenyu, et al.
Veröffentlicht: (2025)

Toward Automated and Trustworthy Scientific Analysis and Visualization with LLM-Generated Code
von: Chakroborti, Apu Kumar, et al.
Veröffentlicht: (2025)

Defective Task Descriptions in LLM-Based Code Generation: Detection and Analysis
von: Akli, Amal, et al.
Veröffentlicht: (2026)

Do Current Language Models Support Code Intelligence for R Programming Language?
von: Zhao, ZiXiao, et al.
Veröffentlicht: (2024)

DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information
von: Huang, Zhili, et al.
Veröffentlicht: (2025)

Do Code Semantics Help? A Comprehensive Study on Execution Trace-Based Information for Code Large Language Models
von: Wang, Jian, et al.
Veröffentlicht: (2025)